خبرنامه پژوهشی

برای دریافت اولین خبرنامه پژوهش در سلامت بر روی تصویر زیر کلیک نمایید:

برنامه کارگاه های آموزشی
سلامتی برای همه

سیب 


مجموعه ای کامل از مقالات درباره آموزش بیماری ها، حفظ و ارتقای سلامت فردی، مرجع داروهای فارسی و پرسش و پاسخ با پزشک

 

www.myHealth.ir

 


 

صفحه اصلی مرکز خدمات پژوهشی محاسبه حجم نمونه

چگونه می توانم حجم نمونه را محاسبه کنم؟

فهرست مطلب
چگونه می توانم حجم نمونه را محاسبه کنم؟
برآورد P
نمونه برداری چند مرحله ای یا خوشه ای
تمامی صفحات

"یکی از متداول ترین سوالات محققان. محاسبه اندازه نمونه برای مطالعه برآورد شیوع موضوع مورد نظر در جمعیت هدف است در بسیاری از کتاب ها (دانیل، 1999، Lwanga و Lemeshow،
1991) این موضوع بحث شده است. هدف از انجام محاسبات مربوطه، تعیین حجم نمونه مناسب به منظور برآورد شیوع جمعیت با دقت خوب است. اما محاسبه آن با استفاده از فرمول ساده است و شامل چند مرحله ساده است. با این حال ، تصمیم گیری برای انتخاب مقادیر مناسب از پارامترهای مورد نیاز در فرمول در برخی شرایط چندان ساده نیست. در این مقاله ، مشکلاتی که پژوهشگران مواجه می شوند و راه حل رسیدگی به این مشکلات مطرح شده است.

نحوه محاسبه حجم نمونه

از فرمول ساده زیر (دانیل، 1999) می توان استفاده کرد:

 

 

 

 

 

که در آن n حجم نمونه،

Z = Z برای سطح اطمینان

P = میزان شیوع انتظار و یا نسبت ابتلا به بیماری یا شرایط موردنظر )یعنی اگر 20 ٪، P= عدد 0.2وارد شود)

d = دقت (به نسبت یک اگر 5% بود عدد d=0.05 وارد شود)

آماره Z (:در سطح اطمینان 95 درصد، که در مطالعات علوم پزشکی مقداری مرسوم است، ارزش Z 1.96 است. در این مطالعات ، محققان نتایج خود را با فاصله اطمینان 95 ٪ (CI). اعلام می کنند. محققانی که می خواهید به فاصله اطمینان بیشتری داشته باشند از مقدار 99 ٪ در مورد تخمین خود استفاده می کنند، ارزش Z در در فاصله اطمینان برابر با 2.58 است.

نسبت P مورد انتظار : این نسبت (شیوعی مساله ای مانند بیماری یا مشکلی است که محققان قصد دارند در مطالعه میزان آن را برآورد کنند. گاهی اوقات، پژوهشگران متعجب و متحیر اند که این مدارا را ما نمی دانیم. و اصلا به همین دلیل است که قصد انجام این مطالعه را داریم. پژوهشگران باید درک کنند که مقیاس P از عدد صفر تا یک متغیر است، حجم نمونه بسته به مقدار P (شکل 1) تغییر می کند. بنابراین، ما باید برای بدست آوردن تخمینی از میزان شیوع یا همان P به منظور محاسبه حجم نمونه در بسیاری از از مطالعات قبلی استفاده کنیم. در این مقاله ، P به صورت کسری از یک، برای استفاده فرمول.بیان می شود برای مثال ، اگر شیوع یک بیماری 20 ٪، سپس P برابر است با 0.2.

دقت (d) برای محققان درک این مقدار خیلی مهم است .از فرمول ، بالا می توان درک کرد حجم نمونه به طور معکوس با مربع (d2)ارتباط دارد.

در پایان مطالعه ، ما نیاز بیان شیوع بیماری با فاصله اطمینان 95 ٪ داریم. به عنوان مثال ، شیوع در نمونه 40 ٪ و فاصله اطمینان 95 ٪ است. 30 ٪ تا 50 ٪. این بدان معنی است که مطالعه شیوع جمعیت مساله را بین 30 ٪ و 50 ٪ برآورد کرده است. لطفا توجه کنید که دقت (d) برای این تخمین 10 ٪ (یعنی 40 ٪ ± 10 ٪ = 30 ٪ ~ 50 ٪) می باشد. این نشان می دهد که عرض CI دو برابر دقت CI = 2d است.

اما این فاصله CI بسیار گسترده است (30 ٪ تا 50 ٪ ، میزان فاصله 20 ٪ است) ، ممکن است به عنوان یک برآورد ضعیف در نظر گرفته. شود و اکثر محققان می خواهند CI باریک تری را در نظر بگیرند تا دقت مطالعه برای براورد شیوع بهتر شود. برای بدست آوردن CI دقیقتر ، ما نیاز به طراحی یک مطالعه با d کوچکتر (دقت بهتر یا خطای کوچکتر) داریم.). برای مثال ، اگر محققان بخواهند به عنوان CI ٪10 باشد (0.1) ،مقدار d باید در 0.05در نظر گرفت شود.

نکات عملی برای تعیین پارامترهای اندازه نمونه


تعیین دقیق d: دقت مناسب برای مطالعات شیوع چیست؟ بسیاری از کتابها و راهنماهای محاسبه حجم نمونه تهیه شده است، اما هیچ توصیه قطعی وجود ندارد. محققان به طور کلی در نهایت همه اعداد و ارقام محاسبتای برای اندازه مطالعه معمولا در محدودیت های خود از قبیل منابع مالی ، زمان و یا در دسترس بودن افراد گرفتار می شوند و ناچار به تغییر در حجم نمونه می شوند. . با این حال ، ما باید در ابتدا حجم نمونه را با دقت معقول یا حداقل قابل قبول محاسبه کنیم و سپس منتظر دیگر محدودیت ها باشیم.

براساس تجربه ، دقت یا d معادل 5 ٪ در صورتی که شیوع یک بیماری ، بین 10 ٪ و 90 ٪ می باشد. مقداری مناسب است.


این دقت عرض فاصله اطمینان 95 ٪ را به 10 ٪ می رساند (به عنوان مثال 30 ٪ تا 40 ٪ یا 60 ٪ تا 70 ٪) با این حال ، گاهی اوقات شیوع یک بیماری ، به کمتر از 10 ٪ یا بیشتر از 90 ٪ می رسد و در این شرایط دقت 5 ٪ نامناسب به نظر می رسد. برای مثال ، اگر شیوع 1 ٪ باشد (در یک بیماری نادر است) و دقت همچنان 5 درصد باشد؛ براساس جدول زیر مقادیر فاصله اطمینان به مقادیر حد بالا و پایین نامناسبی سوق داده می شود که منجر به خطا در برآورد صحیح میگردد.

بنابراین ، توصیه می کنیم d به عنوان نیمی از P اگر شیوع زیر 0.1 (10 ٪) و یا بالای 0.9 (90 ٪) است محاسبه شود، d می تواند به صورت (0.5 (1-P)) محاسبه شود. برای مثال ، اگر P 0.04 است، محققان می توانند d = 0.02 در نظرگرفته، و اگر P 0.98 باشد، توصیه می کنیم d = 0.01.در نظر گرفته شود.. محققان همچنین ممکن است دقت را کوچکتر از چیزی که محاسبات نشان می دهد در نظر بگیرند مثلا اگر محدودیت منابع وجود دارد ، محققان ممکن است از d بررگتری در مطالعه مقدماتی استفاده کنند، محققان ممکن است استفاده از یک d بزرگتر (به عنوان مثال> 10 ٪( با این حال ، برای توجیه انتخاب d باید به وضوح در انتشار مقاله خود موضوع را اعلام کنند (به عنوان مثال به علت محدودیت منابع) علاوه بر این ، d بزرگتر باید با فرض وجود توزیع نرمال باشد که در ادامه درباره آن صحبت خواهد شد.


 

برآورد P

`انتخاب P یا مقدر شیوع از مطالعات امری پیچیده است. محققان در بررسی متون به اعداد و ارقام مختلفی برخورد میکنند.. استخراج ، P از مطالعات با طرح مطالعه مشابه و جامعه مورد مطالعه شبیه تر و از مطالعات اخیر بیشتر ترجیح داده می شود.

اما اگر ما یک طیف وسیعی از P یافتیم، به عنوان مثال ، 20 ٪ تا 30 ٪ ، ما باید مقدار 30 ٪ را به عنوان P در نظر گیریم تا براساس فرمول به اندازه بزرگتر نمونه منجر می شود.. اگر محدوده 60 ٪ تا 80 ٪ ،بود مقدار 60 ٪ باید انتخاب شود تا یک اندازه نمونه بزرگتر به دست آید.. اگر محدوده 40 ٪ تا 60 ٪ ،عدد 50 ٪ انتخاب خواهد شد که حجم نمونه بزرگتری به دست خواهد داد. Macfarlane (1997) همچنین پیشنهاد کرد که اگر شک در مورد مقدار P وجود داشت ، بهتر است به مقدار 50 ٪ به دلیل احتمال آن برای اندازه نمونه بزرگتر متمایل شد.

تنظیم P = 0.5 لزوما به ارائه بزرگترین اندازه نمونه منجر نمی شود

بعضی از کتابها و راهنماهای نشان می دهد که اگر تخمین خوبی برای P غیر ممکن است به P مقدار برابر 0.5 بدهید تا حجم نمونه حداکثر محاسبه شود(دانیل ، 1999 ، Lwanga و Lemeshow ، 1991) . به نظر ما ، این پیشنهاد را باید با احتیاط نگاه کرد. اگر P بین 10 ٪ و 90 ٪ باشد این راهنمایی خوبی است که P را 0.5 در نظر گیریم(در صورتی که برآورد بهتر غیر ممکن است) به زیرا بزرگترین حجم نمونه محاسب می شود.

با این حال ، اگر P بسیار کوچک (<10 ٪) و یا بسیار بزرگ (> 90 ، باشد ، ما ممکن است یک نمونه اندازه بزرگتر از آن که با استفاده از فسفر = 0.5 محاسبه شده است داشته باشیم.(شکل 1)

استدلال های ما به شرح زیر است. در مرحله اول ، به عنوان مثال ، اگر محاسبه با استفاده از P = 0.5 و d = 0.05 انجام شود ، به دلیل اینکه محقق نمیتواند P را برآورد کند حجم نمونه 385 محاسبه می شود. با این حال ، اگر P واقعی متاسفانه 1 ٪ باشد، محقق ممکن است ، به طور متوسط ​​، 3 یا 4 مورد (بیماری) از 385 نفر و یا حتی ممکن است هیچ مورد بیماری را در مطلعه پیدا نکند

. ثانیا ، با این تعداد کم از موارد (بیماری) ، شرط توزیع نرمال که پیشفرض لازم برای درنظرگرفتن این مقدار برای P که در این محاسبه حجم نمونه استفاده شده است، نیز رعایت نخواهد شد.یه طور مشابه ، اگر P یا همان شیوع بیش از حد بزرگ (به عنوان مثال 99 ٪) باشد، با حجم نمونه از 385 ، محققان ممکن است تنها چند غیر مورد بیمار (nondiseases) شناسایی کنید یا شاید هم همه نمونه ها بیمار باشند. ، و دوباره ،شرط وجود توزیع نرمال در مطالعه رعایت نخواهد شد.

در عمل ، محققان قبل از اعمال این P = 0.5' باید کمی محتاط عمل نمایند. خیلی سخت نیست برای محققان که به مدد تجربه خود، که برآورد کنند که آیا شیوع یا P کمتر از 10 ٪ ، بین 10 ٪ و 90 ٪ یا بالاتر 90 ٪ است. در غیر این صورت ، یک مطالعه مقدماتی (به عنوان مثال با حجم نمونه از 20 ~ 30) می تواند به راحتی به کشف اینکه P. بین 10 ٪ -90 ٪ است کمک کند.،پس از آن انتخاب P = 0.5' بی خطر و قابل استفاده است.

فرض توزیع نرمال

روش محاسبه حجم نمونه که در بالا گفته شد به شرط وجود توزیع نرمال است. یعنی فراوانی هر دو گروه مورد و غیر مورد در نمونه انتخاب شده باید بزرگتر از 5 باشد. در اندازه های نمونه کوچک ممکن است این فرض تحقق پیدا نکند ، و محقق باید این مساله را بررسی کند که حتما توزیع نرمال باشد. این فرض پس از محاسبه نمونه در روش انتخاب مقدار d به میزان نصف P صادق است.

اصلاح جمعیت محدود

فرمولی که در این مقاله تا اینجا گفته شد زمانی معتبر است که حجم نمونه محاسبه شده کوچکتر از یا برابر با 5 ٪ از اندازه جمعیت (N / n ≤ 0.05) (دانیل ، 1999). اگر این نسبت بزرگتر از 5 درصد باشد باید از فرمول زیر استفاده شود.

فرمول اصلاح شده برای جمعیت محدود (دانیل ، 1999) به شرح زیر است:


 

نمونه برداری چند مرحله ای یا خوشه ای

دو فرمول گفته شده تا اینجا تا زمانی معتبر هستند که نمونه گیری تصادفی ساده و یا روش نمونه گیری تصادفی سیستماتیک.استفاده شود. نمونه گیری خوشه ای یا چند مرحله ای نیاز به حجم نمونه بزرگتر برای رسیدن به همان دقت دارد. بنابراین، محاسبه حجم نمونه با استفاده از فرمول های فوق نیاز به چند برابر شدن بر اساس نوع مطالعه دارند (deff) (کوکران ، 1977) شده. برای مثال ، در بررسی خوشه ای پوشش ایمن سازی ، اثر مطالعه (Design effect) معادل دو می شود ((Macfarlane ، 1997) این بدان معنی است که به روش نمونه گیری خوشه ای نیاز به دو برابر حجم نمونه براساس فرمولهای بالا می باشد.

با این حال ، در عمل ، به ندرت محققان اثر مطالعه خود را در مقالات منتشره گزارش می کنند. چه کسی ممکن است انجام دهیم این است تا با نویسندگانی که در چاپ این مقالات و درخواست برای اثر طراحی کنند. قویا توصیه میشود که اثر مطالعه توسط محققان درخواست گزارش شود.. اگر اثر مطالعه شده، در پایان در دسترس نباشد ، مطالعه پایلوت می تواند به منظور برآورد اثر مطالعه انجام شود. به طور معمول ، نمونه برداری خوشه ای چند مرحله ای در مقیاس وسیع به کار میروند ، و انجام یک مطالعه مقدماتی به چند دلیل در مرحله اول کار با ارزشی است. محققان باید با متخصص آمار قبل از انجام چنین مطالعه مشورت کنند.

" حجم نمونه مطالعه" بزرگتر بهتر است همیشه درست نیست

یکی از اهداف استفاده از فرمول مناسب محاسبه حجم نمونه است اما نه برای به دست آوردن بزرگترین اندازه نمونه ممکن. هدف بدست آوردن اندازه نمونه مطلوب و یا مناسب است. نمونه های بزرگ بی هدف، بی ارزش بوده و مقرون به صرفه نیست و حتی در برخی از شرایط غیراخلاقی است. به عنوان مثال، در یک آزمایش یک داروی جدید، یک نمونه بسیار بزرگ ممکن است به این نتیجه گیری منجر شود که داروی جدید به طور قابل توجهی بهتر از داروی قدیمی به لحاظ آماری است هر چند اختلاف بالینی ممکن است ناچیز باشد. جدول زیر نشان می دهد که اگرچه در حجم نمونه صحیح اختلاف ناچیز است اما چهار برابر کردن حجم نمونه به ایجاد اختلاف آماری معنی دار حدود پنجاه درصدی منجر می شود.

منبع:

L. Naing, T. Winn2, B.N. Rusli, Practical Issues in Calculating the Sample Size for Prevalence Studies, Archives of Orofacial Sciences 2006; 1: 9-14

آخرین بروزرسانی (شنبه ، 3 ارديبهشت 1390 ، 06:21)

 
اولین لغتنامه پزشکی آنلاین

www.MedicalDictionary.ir   

برای جستجوی واژه آن را در نوار جستجو تایپ نمایید. اگر از نحوه نگارش کلمه مطمئن نیستید، بخشی را که می دانید بنویسید و منتظر نمایش کلمات مشابه شوید. برای جستجوی دستی به واژه نامه الفبایی مراجعه نمایید. ممکن است برخی از واژه های جدید پزشکی در این لغتنامه موجود نباشد، پس اگر واژه ای را در آن پیدا نکردید، لطفا از طریق این فرم اطلاع دهید تا به اصلاح آن کمک نمایید.

نظرسنجی
کدام سرویس در این وبسایت را بهتر ارزیابی می کنید؟